公开(公告)号：CN119273943A

公开(公告)日：2025-01-07

申请号：CN202411299012.9

申请日：2024-09-18

Applicant: 西南交通大学

Inventor： 张晓博 ,  张欣傲雪 ,  包金雨 ,  谌柯宇 ,  张琼 ,  赵紫煊 ,  朱正宇

IPC: G06V10/72 ,  G06V10/762 ,  G06V10/776 ,  G06V10/764 ,  G06V10/82 ,  G06N3/0464 ,  G06F18/25

Abstract: 本发明公开了一种大模型驱动的多模态语义增强域泛化方法，包括：S1、数据集获取及数据域划分；S2、将数据集输入至MiniCPM模型中，提取图像的语义信息；S3、通过GLM4‑0520模型进行语义扩增，组合后得到详细语义描述；S4、将详细语义描述利用StableDiffusion模型生成对应的图像；S5、构造卷积神经网络，结合KMeans算法对图像进行聚类筛选处理；S6、将筛选得到的图像与数据集进行合并，得到合并数据集并输入至骨干网络Resnet‑50中进行训练；S7、将测试域数据输入到S6训练好的模型中，测试模型性能。本发明引入多种模型，提升了不同领域数据上的泛化能力和准确性。

公开(公告)号：CN118506122A

公开(公告)日：2024-08-16

申请号：CN202410522763.6

申请日：2024-04-28

Applicant: 西南交通大学

Inventor： 张晓博 ,  张欣傲雪 ,  包金雨 ,  谌柯宇 ,  赵紫煊

IPC: G06V10/774 ,  G06V10/44 ,  G06V10/82 ,  G06N3/0475 ,  G06N3/045 ,  G06N3/094 ,  G06N3/0464 ,  G06N3/048 ,  G06V40/10

Abstract: 本发明涉及机器学习域泛化领域，具体公开了一种基于改进的元学习对抗域增强的域泛化方法，本发明方法通过重构特征提取网络结构、引入WGAN‑GP生成对抗网络，以及使用自归一化和交叉归一化方法进行数据标准化，实现在单一训练域下训练的模型泛化至未知领域中能够实现较好的效果。此外，本发明所提出的模型具有较高的正确识别率和泛化能力，且模型体积较小，能够在资源有限的计算环境中稳定且高效地运行。因此，该方法适合快速且广泛地部署于域泛化应用中，有效提升域泛化的性能和工作效率。